Hadoop Word Count程序

pom.xml文件：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>

    <groupId>com.stono</groupId>

    <artifactId>mr2</artifactId>

    <version>0.0.1-SNAPSHOT</version>

    <packaging>jar</packaging>

    <name>mr2</name>

    <url>http://maven.apache.org</url>

    <properties>

        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

        <java.version>1.8</java.version>

        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>

        <maven.build.timestamp.format>yyyy-MM-dd HH:mm:ss</maven.build.timestamp.format>

        <hadoop-mapreduce-client.version>2.7.2</hadoop-mapreduce-client.version>

        <hbase-client.version>1.1.2</hbase-client.version>

        <slf4j.version>1.7.25</slf4j.version>

        <kafka-client.version>0.10.2.1</kafka-client.version>

    </properties>

    <dependencies>

        <dependency>

            <groupId>jdk.tools</groupId>

            <artifactId>jdk.tools</artifactId>

            <version>1.8</version>

            <scope>system</scope>

            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>

        </dependency>

        <!-- 日志记录 Slf4j -->

        <dependency>

            <groupId>org.slf4j</groupId>

            <artifactId>slf4j-api</artifactId>

            <version>${slf4j.version}</version>

        </dependency>

        <!-- mapreduce -->

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-common</artifactId>

            <version>${hadoop-mapreduce-client.version}</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-core</artifactId>

            <version>${hadoop-mapreduce-client.version}</version>

        </dependency>

        <dependency>

            <groupId>junit</groupId>

            <artifactId>junit</artifactId>

            <version>3.8.1</version>

            <scope>test</scope>

        </dependency>

    </dependencies>

    <build>

        <plugins>

            <plugin>

                <artifactId>maven-compiler-plugin</artifactId>

                <version>2.3.2</version>

                <configuration>

                    <source>1.8</source>

                    <target>1.8</target>

                </configuration>

            </plugin>

            <plugin>

                <artifactId> maven-assembly-plugin </artifactId>

                <configuration>

                    <descriptorRefs>

                        <descriptorRef>jar-with-dependencies</descriptorRef>

                    </descriptorRefs>

                    <archive>

                        <manifest>

                            <mainClass>com.stono.basis.JobRunner</mainClass>

                        </manifest>

                    </archive>

                </configuration>

                <executions>

                    <execution>

                        <id>make-assembly</id>

                        <phase>package</phase>

                        <goals>

                            <goal>single</goal>

                        </goals>

                    </execution>

                </executions>

            </plugin>

        </plugins>

    </build>

</project>

map程序：

package com.test.basis;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Mapper;

/*

四个参数的含义

第一个参数：map中key-value的key的类型,默认值是输入行的偏移量

第二个参数：map中key-value的value的类型 在此需求中是某一行的内容（数据）

第三个参数：reduce中key-value中的key类型

第四个参数：redece的输出参数int

但是在mapreduce中涉及到了网络间的传输，所以需要序列化，而hadoop提供了相关的序列化类型

long-LongWritable

String-Text

int-IntWritable

 */

public class MapperWordCount extends Mapper<LongWritable, Text, Text, IntWritable>{

    /*重写mapper的map方法 编写自己的逻辑

     * key是偏移量不用管

     * value是一行的内容 例：hello zhangsan you you

     * context是返回结果

     */

    @Override

    protected void map(LongWritable key, Text value,

            Context context)

            throws IOException, InterruptedException {

        String[] values=value.toString().split(" ");//对得到的一行数据进行切分 在此需求中是以空格进行切分

        for(String word:values){

            context.write(new Text(word), new IntWritable(1));//遍历数组 输出map的返回值 即<hello,1><zhangsan,1><you,1><you,1>

        }

    }

}

Reduce程序：

package com.test.basis;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Reducer;

/*

 * 此方法是WordCount的reduce

 * 参数：1.map阶段返回的key类型String-Text

 *         2.map阶段返回值中value的类型Int-IntWritable

 *         3.reduce阶段返回值中key的类型String-Text

 *         4.reduce阶段返回值中value的类型Int-IntWritable

 */

public class ReducerWordCount extends Reducer<Text, IntWritable,Text, IntWritable>{

    /*

     * 实现父类的reduce方法

     *key是一组key-value的相同的哪个key

     *values是一组key-value的所有value

     *key value 的情况，比如<hello,{1,1,1,1,1}>

     *

     * context 返回值,<hello,5>

     */

    @Override

    protected void reduce(Text key, Iterable<IntWritable> values,

            Context context)throws IOException, InterruptedException {

            int count=0;//初始一个计数器

            for(IntWritable value:values){

                count ++;//对values进行遍历 每次加1

            }

            context.write(key,new IntWritable(count));//最后写返回值<hello,5>

    }

}

JobRunner程序：

package com.test.basis;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.mapreduce.Job;

public class JobRunner {

    /*

     * 提交写好的mapreduce程序 当做一个Job进行提交

     *

     */

    public static void main(String[] args) throws Exception {

        //读取classpath下的所有xxx-site.xml配置文件，并进行解析

        Configuration conf=new Configuration();

FileSystem fs = FileSystem.get(conf);
          String s = "/user/weblogic/mr/output/";
          Path p = new Path(s);
          fs.delete(p,true); // 先把输出目录删了；否则重复运行会报错；

        Job wcjob=Job.getInstance(conf);//初始一个job

        //通过主类的类加载器机制获取到本job的所有代码所在的jar包

        wcjob.setJarByClass(JobRunner.class);

        //指定本job使用的mapper类

        wcjob.setMapperClass(MapperWordCount.class);

        //指定本job使用的reducer类

        wcjob.setReducerClass(ReducerWordCount.class);

        //指定mapper输出的kv的数据类型

        wcjob.setMapOutputKeyClass(Text.class);

        wcjob.setMapOutputValueClass(IntWritable.class);

        //指定reducer输出的kv数据类型

        wcjob.setOutputKeyClass(Text.class);

        wcjob.setOutputValueClass(IntWritable.class);

        //指定本job要处理的文件所在的路径

        FileInputFormat.setInputPaths(wcjob, new Path("/user/weblogic/mr/wordcount/"));

        //指定本job输出的结果文件放在哪个路径

        FileOutputFormat.setOutputPath(wcjob, new Path("/user/weblogic/mr/output/"));

        //将本job向hadoop集群提交执行

        boolean res=wcjob.waitForCompletion(true);

        System.exit(res?0:1);//执行成功的话正常退出系统执行有误则终止执行

    }

}

运行：直接mvn install，把jar文件上传到服务器，就可以hadoop jar test.jar了；

使用maven生成的jar文件，有一个with-dependency的，那个可以直接运行，还有一个小一点的jar包，那里面没有包含主类信息，需要自己手动补充主类才可以。

在hadoop服务器环境下，其他的类信息是不缺少的。

如果不进行手动的MANIFEST.MF文件修改，那么就在运行的时候添加上主类信息：hadoop jar mrbasis-s.jar com.stono.basis.JobRunner

简化的pom.xml文件：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>

    <groupId>com.stono</groupId>

    <artifactId>mr01</artifactId>

    <version>1.0-SNAPSHOT</version>

    <packaging>jar</packaging>

    <name>mr01</name>

    <url>http://maven.apache.org</url>

    <properties>

        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

        <java.version>1.7</java.version>

        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>

        <maven.build.timestamp.format>yyyy-MM-dd HH:mm:ss</maven.build.timestamp.format>

        <hadoop-mapreduce-client.version>2.7.2</hadoop-mapreduce-client.version>

        <hbase-client.version>1.1.2</hbase-client.version>

        <slf4j.version>1.7.25</slf4j.version>

        <kafka-client.version>0.10.2.1</kafka-client.version>

    </properties>

    <dependencies>

        <dependency>

            <groupId>jdk.tools</groupId>

            <artifactId>jdk.tools</artifactId>

            <version>1.8</version>

            <scope>system</scope>

            <systemPath>D:/Java/jdk1.8.0_161/lib/tools.jar</systemPath>

        </dependency>

        <!-- 日志记录 Slf4j -->

        <dependency>

            <groupId>org.slf4j</groupId>

            <artifactId>slf4j-api</artifactId>

            <version>${slf4j.version}</version>

        </dependency>

        <!-- mapreduce -->

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-common</artifactId>

            <version>${hadoop-mapreduce-client.version}</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-core</artifactId>

            <version>${hadoop-mapreduce-client.version}</version>

        </dependency>

        <dependency>

            <groupId>junit</groupId>

            <artifactId>junit</artifactId>

            <version>3.8.1</version>

            <scope>test</scope>

        </dependency>

    </dependencies>

    <build>

        <plugins>

            <plugin>

                <artifactId>maven-compiler-plugin</artifactId>

                <version>2.3.2</version>

                <configuration>

                    <source>1.7</source>

                    <target>1.7</target>

                </configuration>

            </plugin>

            <plugin>

                <groupId>org.apache.maven.plugins</groupId>

                <artifactId>maven-jar-plugin</artifactId>

                <configuration>

                    <archive>

                        <manifest>

                            <addClasspath>false</addClasspath>

                            <mainClass>com.bsr.basis.JobRunner</mainClass> <!-- 你的主类名 -->

                        </manifest>

                    </archive>

                </configuration>

            </plugin>

            <!--<plugin>-->

            <!--<artifactId> maven-assembly-plugin </artifactId>-->

            <!--<configuration>-->

            <!--<descriptorRefs>-->

            <!--<descriptorRef>jar-with-dependencies</descriptorRef>-->

            <!--</descriptorRefs>-->

            <!--<archive>-->

            <!--<manifest>-->

            <!--<mainClass>com.bsr.basis.JobRunner</mainClass>-->

            <!--</manifest>-->

            <!--</archive>-->

            <!--</configuration>-->

            <!--<executions>-->

            <!--<execution>-->

            <!--<id>make-assembly</id>-->

            <!--<phase>package</phase>-->

            <!--<goals>-->

            <!--<goal>single</goal>-->

            <!--</goals>-->

            <!--</execution>-->

            <!--</executions>-->

            <!--</plugin>-->

        </plugins>

    </build>

</project>

Hadoop Word Count程序的更多相关文章

  1. word count程序，以及困扰人的宽字符与字符

    一个Word Count程序,由c++完成,有行数.词数.能完成路径下文件的遍历. 遍历文件部分的代码如下: void FindeFile(wchar_t *pFilePath) { CFileFin ...

  2. 【2016.3.22】作业 Word count 小程序

    今天更下word count程序的设计思路及实现方法. 我的程序贴在coding里,这里就先不贴出来了, 我的coding地址:https://coding.net/u/holy_angel/p/wo ...

  3. 用PHP编写Hadoop的MapReduce程序

    用PHP编写Hadoop的MapReduce程序     Hadoop流 虽然Hadoop是用Java写的,但是Hadoop提供了Hadoop流,Hadoop流提供一个API, 允许用户使用任何语言编 ...

  4. MapReduce工作机制——Word Count实例（一）

    MapReduce工作机制--Word Count实例(一) MapReduce的思想是分布式计算,也就是分而治之,并行计算提高速度. 编程思想 首先,要将数据抽象为键值对的形式,map函数输入键值对 ...

  5. 个人项目作业-Word Count

    个人项目作业 1.Github地址 https://github.com/CLSgGhost/SE_work 2.项目相关需求 wc.exe 是一个常见的工具,它能统计文本文件的字符数.单词数和行数. ...

  6. [MapReduce_1] 运行 Word Count 示例程序

    0. 说明 MapReduce 实现 Word Count 示意图 && Word Count 代码编写 1. MapReduce 实现 Word Count 示意图 1. Map:预 ...

  7. Hadoop AWS Word Count 样例

    在AWS里用Elastic Map Reduce 开一个Cluster 然后登陆master node并编译下面程序: import java.io.IOException; import java. ...

  8. Mac下hadoop运行word count的坑

    Mac下hadoop运行word count的坑 Word count体现了Map Reduce的经典思想,是分布式计算中中的hello world.然而博主很幸运地遇到了Mac下特有的问题Mkdir ...

  9. 软件工程第三个程序：“WC项目” —— 文件信息统计（Word Count ） 命令行程序

    软件工程第三个程序:“WC项目” —— 文件信息统计(Word Count ) 命令行程序 格式:wc.exe [parameter][filename] 在[parameter]中,用户通过输入参数 ...

随机推荐

  1. Node.js：Web 模块

    ylbtech-Node.js:Web 模块 1.返回顶部 1. Node.js Web 模块 什么是 Web 服务器? Web服务器一般指网站服务器,是指驻留于因特网上某种类型计算机的程序,Web服 ...

  2. Python3.6 import源文件与编译文件的关系

    小结: 在Python3.6中 源文件存在时,import会比较源文件与__pycache__里相应文件的时间戳,来决定是否重新生成缓存编译文件 源文件不存在时,import会导入相应的.pyc文件 ...

  3. springmvc-servlet.xml 第二种选择

    <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.sp ...

  4. Css float 盒子模型 position

    属性: float 浮动 浮动的内容用div包起来,给div设置宽高 clear 清除浮动. box-sizing 标准模式下的盒模型 content-box:(默认属性) padding和borde ...

  5. Cython入门.VS.C++

    原文链接:http://blog.csdn.net/gzlaiyonghao/article/details/4561611 作者:perrygeo 译者:赖勇浩(http://laiyonghao. ...

  6. 5 Python+Selenium的元素定位方法（xpath）

    [环境] Python3.6+selenium3.0.2+FireFox50+win7 [定位方法] 1.方法:find_element_by_xpath('') 说明:xpath定位方法有相对路径和 ...

  7. 查看tomcat的内存情况

    查看现有tomcat的内存大小情况 1.启动tomcat 2.访问 http://localhost:8080/manager/status ,并输入您在安装tomcat时输入的用户与口令,如 adm ...

  8. RabbitMQ学习之集群模式

    由于RabbitMQ是用erlang开发的,RabbitMQ完全依赖Erlang的Cluster,因为erlang天生就是一门分布式语言,集群非常方便,但其本身并不支持负载均衡.Erlang的集群中各 ...

  9. C# 遍历对象下的 属性

    foreach (System.Reflection.PropertyInfo p in users.GetType().GetProperties()) { var xx = p.Name; var ...

  10. Kafka学习笔记（3）----Kafka的数据复制（Replica）与Failover

    1. CAP理论 1.1 Cosistency(一致性) 通过某个节点的写操作结果对后面通过其他节点的读操作可见. 如果更新数据后,并发访问的情况下可立即感知该更新,称为强一致性 如果允许之后部分或全 ...